imagen

Stockx: Data Contest¶

TEMA¶

Se va a realizar un análisis sobre una muestra random de ventas de todas Off-White x Nike and Yeezy 350 desde 9/1/2017 (mes cuando Off-White debuta con su colección “The Ten” )hasta la fecha del concurso 2019, los datos nos lo proporcina la empresa de reventa de street wear STOCKX.¶

Los datos son de ventas en Estados Unidos exclusivamente.¶

DATASETS Y FUENTES ALTERNATIVAS DE DATOS¶

Hemos obtenido los datos de estas fuentes:¶

Tanto un excel con el dataset en raw, como un csv del sample random.¶

https://www.kaggle.com/datasets/hudsonstuck/stockx-data-contest¶

https://stockx.com/news/the-2019-data-contest/¶

HIPÓTESIS¶

  • Obtenemos la muestra y analizaremos las distintas ventas ya sean de la marca Nike Off White como de Adidas Yeezy.
  • Veremos cuales son las tallas mas solicitadas y su precio de reventa.
  • Evolución de precios tanto de retail como de reventa.
  • Analizaremos por zonas, donde se compran mas sneakers en USA.
In [ ]:
# Preparamos el Setup. Llamando a todas las librerias que vamos a usar.

import requests
import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
from scipy import stats

%matplotlib inline
In [ ]:
# Lectura con Pandas del CSV y cración del Data Frame.
stockx = pd.read_csv('stockx_eda_cc_19.csv', sep=';')
df = pd.DataFrame(stockx)

df.head(10)
Out[ ]:
Order Date Brand Sneaker Name Sale Price Retail Price Release Date Shoe Size Buyer Region
0 1/9/17 Yeezy Adidas-Yeezy-Boost-350-Low-V2-Beluga $1.097 $220 24/9/16 11 California
1 1/9/17 Yeezy Adidas-Yeezy-Boost-350-V2-Core-Black-Copper $685 $220 23/11/16 11 California
2 1/9/17 Yeezy Adidas-Yeezy-Boost-350-V2-Core-Black-Green $690 $220 23/11/16 11 California
3 1/9/17 Yeezy Adidas-Yeezy-Boost-350-V2-Core-Black-Red $1.075 $220 23/11/16 11,5 Kentucky
4 1/9/17 Yeezy Adidas-Yeezy-Boost-350-V2-Core-Black-Red-2017 $828 $220 11/2/17 11 Rhode Island
5 1/9/17 Yeezy Adidas-Yeezy-Boost-350-V2-Core-Black-Red-2017 $798 $220 11/2/17 8,5 Michigan
6 1/9/17 Yeezy Adidas-Yeezy-Boost-350-V2-Core-Black-White $784 $220 17/12/16 11 California
7 1/9/17 Yeezy Adidas-Yeezy-Boost-350-V2-Cream-White $460 $220 29/4/17 10 New York
8 1/9/17 Yeezy Adidas-Yeezy-Boost-350-V2-Cream-White $465 $220 29/4/17 11 Kansas
9 1/9/17 Yeezy Adidas-Yeezy-Boost-350-V2-Cream-White $465 $220 29/4/17 11 Florida
In [ ]:
#Procedemos a la limpieza de los datos y a sus conversiones.

df['Sneaker Name'] = df['Sneaker Name'].apply(lambda x: x.replace('-', ' '))

df['Retail Price'] = df['Retail Price'].apply(lambda x: x.replace('$', ''))

df['Sale Price'] = df['Sale Price'].apply(lambda x: x.replace('$', ''))

df['Shoe Size']=df['Shoe Size'].apply(lambda x : x.replace(',','.'))

df['Sale Price'] = df['Sale Price'].apply(lambda x: x.replace('.', ''))

df['Order Date'] = pd.to_datetime(df['Order Date']) #format='%d/%m/%Y')

df['Release Date'] = pd.to_datetime(df['Release Date']) #format='%d/%m/%Y')
In [ ]:
# Convertimos los precios en enteros y la talla de pie en número con decimales.
df['Sale Price']=df['Sale Price'].astype(int)
df['Retail Price']=df['Retail Price'].astype(int)
df['Shoe Size']=df['Shoe Size'].astype(float)
In [ ]:
# Ahora si mostramos todas las columnas con los valores que deseamos trabajar comodamente.
df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 99956 entries, 0 to 99955
Data columns (total 8 columns):
 #   Column        Non-Null Count  Dtype         
---  ------        --------------  -----         
 0   Order Date    99956 non-null  datetime64[ns]
 1   Brand         99956 non-null  object        
 2   Sneaker Name  99956 non-null  object        
 3   Sale Price    99956 non-null  int64         
 4   Retail Price  99956 non-null  int64         
 5   Release Date  99956 non-null  datetime64[ns]
 6   Shoe Size     99956 non-null  float64       
 7   Buyer Region  99956 non-null  object        
dtypes: datetime64[ns](2), float64(1), int64(2), object(3)
memory usage: 6.1+ MB
In [ ]:
# No tenemos Datos nulos.
df.isnull().sum()
Out[ ]:
Order Date      0
Brand           0
Sneaker Name    0
Sale Price      0
Retail Price    0
Release Date    0
Shoe Size       0
Buyer Region    0
dtype: int64
In [ ]:
# Creamos la función para calcular el beneficio neto.
def Beneficio_af(x,y):
    '''
    Stockx cobra al vendedor una serie de fees una vez aceptada la transacción,
    suele rondar los 9,5% máximo sobre el precio de venta y un 3% por la verificación
    de autenticidad y costes de envío.
    '''
    beneficio = x - y
    return round((beneficio * .875),2)

# Agregamos ahora al df una nueva columna con el beneficio bruto de las ventas.

df['Profit'] = df.apply(lambda x: Beneficio_af(x['Sale Price'],x['Retail Price']), axis=1)

Conteos Previos y Estadísticas¶

In [ ]:
# Obtenemos las estadísticas de los valores numéricos.
round(df.describe(),1).T
Out[ ]:
count mean std min 25% 50% 75% max
Sale Price 99956.0 446.6 256.0 186.0 275.0 370.0 540.0 4050.0
Retail Price 99956.0 208.6 25.2 130.0 220.0 220.0 220.0 250.0
Shoe Size 99956.0 9.3 2.3 3.5 8.0 9.5 11.0 17.0
Profit 99956.0 208.3 232.9 -29.8 50.8 134.8 299.2 3377.5
In [ ]:
# Realizamos unos conteos dentro de nuestro df para tener una primera vista de los datos.

tallas = df['Shoe Size'].value_counts(ascending=True)
tipos_por_marca =df['Sneaker Name'].value_counts(ascending=True)
zona = df['Buyer Region'].value_counts()
In [ ]:
tallas.tail(10).plot(kind='barh', fontsize=10,color='m')
plt.title('Tallas de pie mas demandadas',fontsize=15,color='b')
Out[ ]:
Text(0.5, 1.0, 'Tallas de pie mas demandadas')
In [ ]:
tipos_por_marca.tail(15).plot(kind='barh', fontsize=10, color='r')
plt.title('Modelos de Sneaker mas vendidos', fontsize=15,color='b')
Out[ ]:
Text(0.5, 1.0, 'Modelos de Sneaker mas vendidos')
In [ ]:
marca = df['Brand'].value_counts()
total = df['Brand'].count()
prc = round(100*marca/total,2)
print (f'Las Yeezy representan el',prc[0],'% y las Off White el ',prc[1],'% de las ventas')

Las Yeezy representan el 72.19 % y las Off White el  27.81 % de las ventas
In [ ]:
df.groupby(['Brand']).sum()
Out[ ]:
Sale Price Retail Price Shoe Size Profit
Brand
Yeezy 25980669 15866540 666656.5 8849860.24
Off-White 18663151 4985640 267350.5 11967822.80
In [ ]:
precio_de_compra_medio = df['Retail Price'].mean()
print('El precio de compra medio es: ',round(precio_de_compra_medio,2))

El precio de compra medio es:  208.61
In [ ]:
precio_de_venta_medio = df['Sale Price'].mean()
print('El precio de venta medio es: ',round(precio_de_venta_medio,2))

El precio de venta medio es:  446.63

Ventas¶

In [ ]:
# Representamos graficamente las ventas
df_cat = ['Buyer Region', 'Sneaker Name', 'Retail Price', 'Shoe Size']
for cat in df_cat:
    cat_num = df[str(cat)].value_counts()
    plt.figure(figsize=(15,6))
    chart = sns.barplot(x = cat_num.index, y= cat_num)
    chart.set_title("Sneakers Sales by %s" % (cat))
    plt.ylabel("Sneaker Sales")
    plt.xlabel(cat)
    chart.set_xticklabels(chart.get_xticklabels(), rotation = 90)
    plt.gca().xaxis.set_major_locator(plt.MultipleLocator(1))
In [ ]:
# Usamos seaborn y pintamos un boxplot para ver los outliers
plt.figure(figsize=(15,10))
sns.boxplot(x='Retail Price', y='Sale Price', data=df)
Out[ ]:
<AxesSubplot:xlabel='Retail Price', ylabel='Sale Price'>

Ventas Acumuladas¶

In [ ]:
import cufflinks as cf
from ipywidgets import interact
import plotly
plotly.offline.init_notebook_mode()
from plotly.offline import init_notebook_mode, iplot, plot

import plotly.graph_objs as go
from plotly import tools
import matplotlib.pyplot as plt
In [ ]:
# Hacemos un filtro del df y luego lo agrupamos por zona y sumamos las ventas totales.
bds = df[['Brand', 'Sale Price','Order Date','Buyer Region']]
bds.index = bds['Order Date']
bds.drop('Order Date',axis=1)
bds2 = bds.groupby(['Buyer Region']).sum()['Sale Price'].sort_values(ascending=False)
bds2 = pd.DataFrame(bds2)
In [ ]:
# representación interactiva de la suma de ventas totales.
trace1 = go.Bar(
                x = bds2.index,
                y = bds2['Sale Price'],
                name = "Ventas",
                marker = dict(color = 'rgba(255, 174, 255, 0.5)',
                             line=dict(color='rgb(0,0,0)',width=1.5)),
               # text = df_2014.State)
)
layout = {
  'xaxis': {'title': 'Ventas en millones de dolares'},
  'title': 'Ventas Acumuladas por Estado'
}
fig = go.Figure(data = trace1, layout=layout)
iplot(fig)

Función del Beneficio¶

In [ ]:
# Representamos el beneficio mayor por ciudades

mm = df.sort_values('Profit',ascending=False).head(15)
mm= mm.groupby('Buyer Region')['Profit'].sum().sort_values(ascending=False)
mm.plot(kind='line',legend=True,figsize=(10,10), color='m')
plt.title('Beneficio de ventas por Ciudades')
Out[ ]:
Text(0.5, 1.0, 'Beneficio de ventas por Ciudades')
In [ ]:
# Mostramos que marca genera mas beneficios a la hora de la reventa
df.groupby(['Brand']).sum().plot(kind='pie',y='Profit', autopct='%1.0f%%',
                                colors = ['y', 'pink'],
                                title='Team')
Out[ ]:
<AxesSubplot:title={'center':'Team'}, ylabel='Profit'>

Separamos por Brand nuestro Dataframe¶

In [ ]:
# Realizamos una muestra por separado de cada marca.
off_white = df.copy()
off_white = off_white[off_white['Brand'].isin(['Off-White'])]

yeezy = df.copy()
yeezy = yeezy[yeezy['Brand'].isin([' Yeezy'])]

print('Shape of Off-White dataframe : {}'.format(off_white.shape))
print('Shape of Yeezy dataframe : {}'.format(yeezy.shape))

Shape of Off-White dataframe : (27794, 9)
Shape of Yeezy dataframe : (72162, 9)
In [ ]:
# Creamos la función para calcular el beneficio neto.
def comision(x,y):
    '''
    Stockx cobra al vendedor una serie de fees una vez aceptada la transacción,
    suele rondar los 9,5% máximo sobre el precio de venta y un 3% por la verificación
    de autenticidad y costes de envío.
    '''
    comision = x - y
    return round((comision * (1-.875)),2)
In [ ]:
yeezy['Fees_Y'] = yeezy.apply(lambda x: comision(x['Sale Price'],x['Retail Price']), axis=1)
yeezy.head(10).sort_values('Fees_Y',ascending=False)
Out[ ]:
Order Date Brand Sneaker Name Sale Price Retail Price Release Date Shoe Size Buyer Region Profit Fees_Y
0 2017-01-09 Yeezy Adidas Yeezy Boost 350 Low V2 Beluga 1097 220 2016-09-24 11.0 California 767.38 109.62
3 2017-01-09 Yeezy Adidas Yeezy Boost 350 V2 Core Black Red 1075 220 2016-11-23 11.5 Kentucky 748.12 106.88
4 2017-01-09 Yeezy Adidas Yeezy Boost 350 V2 Core Black Red 2017 828 220 2017-11-02 11.0 Rhode Island 532.00 76.00
5 2017-01-09 Yeezy Adidas Yeezy Boost 350 V2 Core Black Red 2017 798 220 2017-11-02 8.5 Michigan 505.75 72.25
6 2017-01-09 Yeezy Adidas Yeezy Boost 350 V2 Core Black White 784 220 2016-12-17 11.0 California 493.50 70.50
2 2017-01-09 Yeezy Adidas Yeezy Boost 350 V2 Core Black Green 690 220 2016-11-23 11.0 California 411.25 58.75
1 2017-01-09 Yeezy Adidas Yeezy Boost 350 V2 Core Black Copper 685 220 2016-11-23 11.0 California 406.88 58.12
8 2017-01-09 Yeezy Adidas Yeezy Boost 350 V2 Cream White 465 220 2017-04-29 11.0 Kansas 214.38 30.62
9 2017-01-09 Yeezy Adidas Yeezy Boost 350 V2 Cream White 465 220 2017-04-29 11.0 Florida 214.38 30.62
7 2017-01-09 Yeezy Adidas Yeezy Boost 350 V2 Cream White 460 220 2017-04-29 10.0 New York 210.00 30.00
In [ ]:
yeezy.mean().round(2)

/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/ipykernel_launcher.py:1: FutureWarning:

DataFrame.mean and DataFrame.median with numeric_only=None will include datetime64 and datetime64tz columns in a future version.

/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/ipykernel_launcher.py:1: FutureWarning:

Dropping of nuisance columns in DataFrame reductions (with 'numeric_only=None') is deprecated; in a future version this will raise TypeError.  Select only valid columns before calling the reduction.
Out[ ]:
Sale Price      360.03
Retail Price    219.87
Shoe Size         9.24
Profit          122.64
Fees_Y           17.52
dtype: float64
In [ ]:
off_white.head(10).sort_values('Sale Price',ascending=False)
plt.figure(figsize=(17,5))
plt.xlabel('Sneaker Name')
#chart.set_xticklabels(chart.get_xticklabels(), rotation = 180)
sns.countplot(off_white['Sneaker Name'].head(200));

/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/seaborn/_decorators.py:43: FutureWarning:

Pass the following variable as a keyword arg: x. From version 0.12, the only valid positional argument will be `data`, and passing other arguments without an explicit keyword will result in an error or misinterpretation.
In [ ]:
off_white['Fees_OF'] = off_white.apply(lambda x: comision(x['Sale Price'],x['Retail Price']), axis=1)
off_white.head(10).sort_values('Fees_OF',ascending=False)
Out[ ]:
Order Date Brand Sneaker Name Sale Price Retail Price Release Date Shoe Size Buyer Region Profit Fees_OF
149 2017-08-09 Off-White Air Jordan 1 Retro High Off White Chicago 2450 190 2017-09-09 13.0 New York 1977.50 282.50
153 2017-08-09 Off-White Nike Air VaporMax Off White 2399 250 2017-09-09 11.5 Kentucky 1880.38 268.62
150 2017-08-09 Off-White Air Jordan 1 Retro High Off White Chicago 2325 190 2017-09-09 12.0 Illinois 1868.12 266.88
132 2017-07-09 Off-White Nike Air VaporMax Off White 1800 250 2017-09-09 12.0 Kentucky 1356.25 193.75
128 2017-07-09 Off-White Nike Air Max 90 Off White 1600 160 2017-09-09 8.0 California 1260.00 180.00
130 2017-07-09 Off-White Nike Air Presto Off White 1344 160 2017-09-09 10.0 New York 1036.00 148.00
131 2017-07-09 Off-White Nike Air Presto Off White 1325 160 2017-09-09 10.0 Massachusetts 1019.38 145.62
152 2017-08-09 Off-White Nike Air Presto Off White 1299 160 2017-09-09 11.0 Colorado 996.62 142.38
129 2017-07-09 Off-White Nike Air Max 90 Off White 1090 160 2017-09-09 11.5 New York 813.75 116.25
151 2017-08-09 Off-White Nike Air Max 90 Off White 850 160 2017-09-09 11.0 New Jersey 603.75 86.25
In [ ]:
off_white.mean().round(2)

/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/ipykernel_launcher.py:1: FutureWarning:

DataFrame.mean and DataFrame.median with numeric_only=None will include datetime64 and datetime64tz columns in a future version.

/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/ipykernel_launcher.py:1: FutureWarning:

Dropping of nuisance columns in DataFrame reductions (with 'numeric_only=None') is deprecated; in a future version this will raise TypeError.  Select only valid columns before calling the reduction.
Out[ ]:
Sale Price      671.48
Retail Price    179.38
Shoe Size         9.62
Profit          430.59
Fees_OF          61.51
dtype: float64
In [ ]:
plt.figure(figsize=(12,8))
sns.scatterplot(x=df['Retail Price'],
                y=df['Profit'],
                hue = df['Brand'],
               s=100);

DIBUJAMOS EL MAPA DE LAS CIUDADES Y SUS VENTAS.¶

In [ ]:
import folium
from folium import plugins
import ipywidgets
import geocoder
import geopy

from vega_datasets import data as vds

from branca.element import Figure
In [ ]:
# Sacamos una lista con las ciudades

df_map = df['Buyer Region'].drop_duplicates()
df_map
pd.Series(df_map)
citys = list(df_map)
In [ ]:
['California',
 'Kentucky',
 'Rhode Island',
 'Michigan',
 'New York',
 'Kansas',
 'Florida',
 'New Jersey',
 'Texas',
 'North Carolina',
 'Oregon',
 'Alabama',
 'Delaware',
 'Virginia',
 'Wisconsin',
 'Colorado',
 'Massachusetts',
 'Pennsylvania',
 'Louisiana',
 'Washington',
 'Georgia',
 'Ohio',
 'Nebraska',
 'Oklahoma',
 'Connecticut',
 'Missouri',
 'South Carolina',
 'Maine',
 'Illinois',
 'Nevada',
 'Maryland',
 'Arizona',
 'Minnesota',
 'Iowa',
 'Tennessee',
 'West Virginia',
 'Indiana',
 'Arkansas',
 'Alaska',
 'Wyoming',
 'Utah',
 'New Hampshire',
 'Vermont',
 'District of Columbia',
 'Hawaii',
 'New Mexico',
 'South Dakota',
 'Mississippi',
 'North Dakota',
 'Idaho',
 'Montana']
In [ ]:
map_geojson = folium.Map(location=[41, -99], zoom_start=4)
folium.GeoJson('mapa_eda.geojson', name='geojson').add_to(map_geojson)
folium.LayerControl().add_to(map_geojson)
map_geojson
Out[ ]:
Make this Notebook Trusted to load map: File -> Trust Notebook